EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 9: 2188 - 2205

DOI: https://doi.org/10.31497/zrzyxb.20240911

其他研究论文

改地降本：农田宜机化视角下的农机化成本效率分析——基于空间计量模型的实证研究

  • 陈乐为 , 1 ,
  • 张宗毅 , 2 ,
  • 李洪波 1, 2 ,
  • 张欣璞 1
展开
  • 1.江苏大学管理学院，镇江 212013
  • 2.江苏大学中国农业装备产业发展研究院， 镇江 212013
张宗毅（1982- ），男，四川万源人，博士，教授，博士生导师，研究方向为农业机械化政策、农业产业经济。E-mail:

陈乐为（1997- ），女，江苏镇江人，博士研究生，研究方向为农业机械化政策、农业产业经济。E-mail:

收稿日期: 2023-10-07

  修回日期: 2024-01-31

  网络出版日期: 2024-09-04

基金资助

国家自然科学基金项目(72373055)

国家自然科学基金项目(71773134)

国家自然科学基金项目(72072125)

江苏省研究生科研与创新计划项目(KYCX23_3794)

收起

Farmland transformation to reduce costs: An empirical analysis of the cost efficiency of agricultural mechanization from the perspective of the level of farmland suitability for agricultural machinery operations based on spatial econometric models

  • CHEN Le-wei , 1 ,
  • ZHANG Zong-yi , 2 ,
  • LI Hong-bo 1, 2 ,
  • ZHANG Xin-pu 1
Expand
  • 1. School of Management, Jiangsu University, Zhenjiang 212013, Jiangsu, China
  • 2. China Institute for Agricultural Equipment Industry Development, Jiangsu University, Zhenjiang 212013, Jiangsu, China

Received date: 2023-10-07

  Revised date: 2024-01-31

  Online published: 2024-09-04

Fold

摘要

农机化成本效率是衡量农业机械化生产成本高低的重要标准，而农田宜机化程度是影响农机效率的重要因素。为探究农田宜机化水平对农机化成本效率的影响，采用数据包络分析法中的Cost-C、CCR模型测算农机化成本效率及其构成，并构建空间杜宾实证模型，利用2004—2020年省级面板数据进行实证分析。结果表明：（1）中国大多数地区农机化成本效率不高，特别是丘陵地区成本效率较低。（2）代表农田宜机化水平的劳均农田面积和农田平整度的两个指标对农机作业的技术效率和资源配置效率均产生显著的正向影响，进而显著正向影响了农机化成本效率。本地区的劳均农田面积每增加1 hm2，其农机化成本效率将在原有基础上增加0.695；6度以下耕地面积占比每提升1个百分点，其农机化成本效率将比原先增加0.009。（3）农田宜机化水平具有显著的正向空间溢出效应，即由于跨区作业的存在，邻近地区农田宜机化水平的提升也将提升本地区农机化成本效率。

关键词： 农田宜机化; 农机化成本效率; 数据包络分析; 空间杜宾模型

本文引用格式

陈乐为 , 张宗毅 , 李洪波 , 张欣璞 . 改地降本：农田宜机化视角下的农机化成本效率分析——基于空间计量模型的实证研究[J]. 自然资源学报, 2024 , 39(9) : 2188 -2205 . DOI: 10.31497/zrzyxb.20240911

Abstract

The cost efficiency of agricultural mechanization is an important standard for measuring the production cost of agricultural mechanization, and the level of farmland suitability for agricultural machinery operations (FSAM) is a key factor affecting the cost efficiency of agricultural mechanization. To explore the impact of the level of FSAM on the cost efficiency of agricultural mechanization, this study uses the Cost-C and CCR model in data envelopment analysis to calculate the cost efficiency of agricultural mechanization and its composition and constructs a spatial Durbin empirical model using provincial panel data from 2004 to 2020 for empirical analysis. The results show that: firstly, the cost efficiency of agricultural mechanization is not high in most provincial-level regions of China, especially in hilly areas. Secondly, the two indicators representing the level of FSAM, namely the average labor area of farmland and the flatness of farmland, have a significant positive impact on the technical efficiency and allocative efficiency of agricultural machinery operations, thereby significantly affecting the cost efficiency of agricultural mechanization. For every 1 hectare per capita increase in arable land area, the cost efficiency of agricultural mechanization will increase by 0.695. For every 1 percentage point increase in the proportion of arable land with a slope below 6 degrees, the cost efficiency of agricultural mechanization will increase by 0.009 compared to the original situation. Thirdly, the level of FSAM in neighboring provincial-level regions has a significant positive spatial spillover effect. Due to cross-regional operations, the improvement of the level of FSAM in neighboring provincial-level regions can also enhance the cost efficiency of agricultural mechanization in this region.

Key words： farmland suitability for agricultural machinery operations; cost efficiency of agricultural mechanization; data envelopment analysis; spatial Durbin model

在农业劳动力快速老龄化、减量化背景下，农业机械化是保障粮食安全和实现农业现代化的重要物质支撑。在农业劳动力减量化导致的农机化需求拉动下和国家农机购置补贴政策的推动下，中国农业机械化水平得到迅速提高。2004—2020年间，全国农机总动力从64141万kW升至105622万kW，农作物耕种收综合机械化率由34%达到71%（据历年《全国农业机械化统计年报》整理）。然而，伴随着农业机械化水平的提高，中国农业生产成本却仍居高不下，在国际上缺乏农业竞争力。以机械化水平最高的小麦为例，中国2020年小麦耕种收综合机械化率高达97%，但每亩小麦平均仍然需要3.7个人工投入，人工费用高达334.07元，而同时期美国生产小麦的亩均人工成本仅24.46元（《全国农产品成本收益资料汇编2021》），这在很大程度上造成了美国出口到中国的小麦到岸价比中国小麦成本价低的现象。农业机械化水平的提高却仍然伴随着大量人工的使用，显然与发展农业机械化替代农业劳动力的初衷相背离。发展农业机械化不是建设农业强国的目标而是手段，如果没有农业劳动力和农业生产成本的大幅度实质性节约，仅追求是否有农业机械参与生产作业作为标志统计出的农业机械化水平的提升，是毫无意义的。如何以最小的代价实现农业机械化，也即如何提升农机化成本效率问题，比提升目前基于机械化参与情况统计出的农业机械化水平更有意义。
观察中还发现，即使是同一种作物农业机械化水平相近，在农机通行和作业条件相对较好的平原地区每亩用工投入量也要远远低于丘陵山区每亩用工投入量。比如小麦机械化综合水平相近的四川和河南，河南小麦每亩用工量只有3.67个工，而四川则高达7.12个（《全国农产品成本收益资料汇编2021》）。那么，一个区域田块面积大小、农田平整情况、机耕道情况等与农机通行和作业息息相关的这些农田宜机化特征，是否显著影响了农机化成本效率?本文将深入探究农田宜机化水平对农机化成本效率影响的具体机理及其效应，这对于提高农业机械化成本效率进而提高中国农产品国际竞争力、建设农业强国具有重要意义。

1 文献综述与研究假设

1.1 文献综述

Farrell[1]将综合效率（即成本效率）用技术效率和价格效率（即资源配置效率）的乘积表示。此后，很多学者关于成本效率的研究，都是在此基础之上展开。成本效率是指生产成本投入所取得的效果[2]，是衡量技术效率和资源配置效率的综合指标[3]。其中，技术效率指对现有技术的使用以促进产出最大化的能力，资源配置效率则是指调整要素投入比例以促进成本最小化的能力。
首先，关于农业生产、农业机械化生产成本效率相关研究主要集中在三个方面：一是围绕农业生产成本效率进行测度，并分析成本效率的影响因素。如一些研究测算水稻、玉米、小麦、油菜等农产品生产成本效率，并从农户个人家庭特征、地理环境特征以及农业生产经营特征等方面考察影响因素[4⇓⇓⇓⇓-9]。二是将成本效率分解成技术效率和资源配置效率，深入探究成本效率的组成部分。如杨浩然等[10]认为资源配置效率低是中国小麦成本效率低的主要原因；张复宏等[11]认为苹果生产成本效率提升是由于技术效率的贡献。三是少数研究分析了农机化成本效率，但只聚焦于耕种环节。如张宗毅等[3]运用DEA法测度2009年全国31个省（自治区、直辖市）耕种环节机械化成本效率，认为小型机具过多是导致农机化成本效率低下的重要原因。
其次，在关于农田宜机化水平与农业生产关系的相关文献中，已有研究关注到土地细碎化、缺乏机耕道、田块不平整等农田不宜机的特征会影响农业生产效率[12⇓-14]、带来规模不经济[15]、降低农机作业技术效率[16]、增加农业生产成本[17,18]。因此，农田宜机化水平对于改善农机作业条件、降低作业成本、促进农业机械化发展有着重要意义，但鲜有文献直接研究农田宜机化水平对农机化成本效率的影响。
通过文献梳理，可以看出：（1）以往关于农业生产成本效率的研究侧重于农产品生产整体的投入产出而较少关注农机作业过程的投入产出效率问题，且这些研究中也鲜少考虑农业机械这一重要投入变量。（2）关于农田宜机化水平对农机化成本效率的影响机理和效应测度研究相对缺乏。在保障粮食安全和整治耕地撂荒的背景下，剖析农田宜机化水平对农机化成本效率影响机理及其效应，有助于推进农机和耕地要素耦合、加快农机化进程，进而支撑农业强国建设。
鉴于此，本文基于2004—2020年省级面板数据，采用数据包络分析法中的Cost-C、CCR模型测度农机化成本效率、技术效率及资源配置效率，并在机理分析基础上构建空间面板计量模型检验农田宜机化水平对农机化成本效率的影响。本文的边际贡献在于：相对于农业生产效率研究更聚焦于农机化成本效率，丰富了农业生产效率相关研究；同时，创新性地研究了农田宜机化水平对农机化成本效率的影响机理与程度，这有助于为通过农田宜机化改造降低农业生产成本提供理论依据和决策支撑。

1.2 机理分析与研究假设

田块面积、农田机耕道通达性和农田平整度反映了耕地对农机作业适应性特征[16,19,20⇓⇓-23]，体现了农田宜机化水平的三个重要维度。由于成本效率是技术效率与资源配置效率乘积[3]，为此从技术效率和资源配置效率两方面分析农田宜机化水平对农机化成本效率的具体影响。
（1）农田宜机化水平对农机化技术效率的影响。① 田块面积维度。农机使用需要与农田规模适配[24,25]。农田细碎化程度降低，农户需要完成一块农田后转移至另一块农田进行农机作业的次数随之减少[24]，农机减少田间转移次数就会增加农机田间作业的有效利用时间，使得农机作业效率提升[26]。② 农田机耕道通达性维度。为了提升农机可达性和作业便利性，农机到达农田需要铺路、搭桥等准备工作，促进地区机耕道通达性[21,27]。农田之间间隔大会阻碍农机转移作业[24]。农机进入农田作业的通道越顺畅，即机耕道通达性越高，农机转场耕作越便利，则农机田间作业的有效利用时间增加，相同农机和机手投入可以有更大的农机作业面积，即农机化技术效率更高。③ 农田平整度维度。农田平整度较低的地区，崎岖的地形不适宜部分农机作业，即使可以勉强作业也存在作业难度较高、作业效率低的问题[24,28⇓-30]，这会大幅度降低农机作业技术效率。此外，农田平整度越低，越容易出现侧翻等安全事故，这不仅会降低农机作业技术效率，还会给机手带来人身安全风险。
（2）农田宜机化水平对农机化资源配置效率的影响。① 田块面积维度。田块面积大会产生规模经济[26]，可以有效利用农机[31]。同时土地不会被严重分割，农机作业转移的成本降低[24]，农业经营成本降低[17]，可以配置更高效的农业机械进行作业，进而促进农机化资源配置效率提升。② 农田机耕道通达性维度。农田机耕道通达性越高，越有利于购买使用更高效的农业机械，可以减少较为昂贵的人力投入进而提升农机作业的资源配置效率。③ 农田平整度维度。农田平整度较高，使农机作业过程中上坡、下坡等额外操作减少，燃料资源消耗成本降低，由安全事故引起的额外经济损失也会减少，有利于农机资源配置效率提升。
可通过情景假设简要说明以上机理。假设1000亩（1亩≈667 m2）地需要进行耕地作业，有三种作业方式：第一种为纯人工作业，最佳的技术效率前沿面投入是每人每天完成作业面积0.5亩，需要投入2000个人工；第二种为微耕机作业，最佳的技术效率前沿面投入是1人、1机每天完成作业面积5亩，在一季度20天的有效作业时间窗口内，完成1000亩耕地作业需要投入10台微耕机和200个工；第三种为100马力大拖拉机作业，最佳的技术效率前沿面投入是1人、1机每天完成作业面积100亩，在一个季度20天的有效作业时间窗口内，需要投入1台100马力大拖拉机和10个工。从技术效率角度看，以上三种方式都是在同一生产前沿面的最佳组合，技术效率都等于1。
然而，上述分析未考虑作业价格因素。按照微耕机购置价格3000元/台、100马力拖拉机购置价格100000元/台，以10年使用年限直线折旧且残值为0计算，则三种作业方式的机械投入成本分别为0元/亩、3元/亩和10元/亩，假定人工价格分别为1元/个工、10元/个工、50元/个工和100元/个工四种情形，则可得到不同情形下的投入成本（表1）。当人工价格发生变动时，同样的作业量，总成本会有巨大变化。在人工价格为1元时，方式一的成本最低（2000元），其次是方式二（3200元），方式三的成本最高（10010元）；在人工价格是10元时，方式一的总成本已高达20000元，而方式二和方式三的总成本分别只有5000元和10100元；在人工价格达到100元时，方式一的总成本已高达200000元，而方式二的总成本为23000元，方式三的总成本为11000元。
表1 不同要素组合下的技术效率与资源配置效率

Table 1 Technical efficiency and allocative efficiency in different combinations of elements

不同人工价格 方式一：纯人工
(农机0投入, 2000个人工)		 方式二：微耕机作业
(10台微耕机, 200个工)		 方式三：100马力拖拉机作业
(1台100马力大拖拉机, 10个工)
人工价格1元时投入成本 (0, 2000, 2000) (3000, 200, 3200) (10000, 10, 10010)
人工价格10元时投入成本 (0, 20000, 20000) (3000, 2000, 5000) (10000, 100, 10100)
人工价格50元时投入成本 (0, 100000, 100000) (3000, 10000, 13000) (10000, 500, 10500)
人工价格100元时投入成本 (0, 200000, 200000) (3000, 20000, 23000) (10000, 1000, 11000)

注：括号中第一个数值为机械投入，第二个数值为人工投入，第三个数值为机械+人工总投入。

技术效率最优并不意味着资源配置效率最优。在人工价格分别为1元/个工、10元/个工、50元/个工、100元/个工时，最优的资源配置分别为2000个纯人工作业、10台微耕机加200个工进行微耕机作业、1台100马力大拖拉机加10个工进行大拖拉机作业。然而，资源配置效率的提升会受到农田宜机化程度制约。如果在农机作业和通行条件较差的丘陵山区，则很难通过提升农业机械化水平来替代农村劳动力生产[12,32,33]。当要素投入组合和技术选择受到约束时，资源配置效率的改进就会存在严重障碍，导致技术效率较高、资源配置效率较低的情况出现。
据此，本文提出如下假设：
H1：农田宜机化水平会影响农机化成本效率。
H1a：农田宜机化水平会影响农机化技术效率。
H1b：农田宜机化水平会影响农机化资源配置效率。
农田宜机化水平在一定程度上可以超越地理空间距离和区域的束缚，产生空间溢出效应，而农机跨区作业正是这一现象的载体。由于中国纬度跨度大，小麦、水稻等作物成熟度由南到北呈现出时间梯度，农机跨区作业较为盛行。目前小麦跨区机收面积占小麦总机收面积比例达24.93%、水稻跨区机收面积占水稻总机收面积比例达16.65%（《2021年中国农业机械工业年鉴》）。本地区的农机未必全在本地区作业，本地区的农机作业面积未必全是由本地区农机作业。农田宜机化水平为农机跨区作业提供有利条件，促进了远距离、跨行政区域的大规模农业生产作业，这不仅提高农机使用效率，而且降低农机重复投资[34]，促使农机使用成本减少，出现邻近地区农田宜机化水平也能影响本地区农机化成本效率的情况。据此，本文提出如下假设：
H2：邻近省份的农田宜机化水平会影响本地区的农机化成本效率，即农田宜机化水平存在空间溢出效应。
综上，本文的逻辑框架见图1。
图1 农田宜机化水平影响农机化成本效率的逻辑框架

Fig. 1 Logical framework of the effect of the level of farmland suitability for agricultural machinery operations on the cost efficiency of agricultural mechanization

2 研究方法与数据来源

农田宜机化水平对农机化成本效率的影响需要从两个方面进行讨论：一是农机化成本效率的变化情况，二是农田宜机化水平在这一过程中发挥的作用。因此，本文首先采用数据包络分析法中的Cost-C模型、CCR模型测度农机化成本效率及其分解，然后构建空间面板计量模型分析农田宜机化对农机化成本效率的影响。

2.1 农机化成本效率测度模型

2.1.1 Cost-C成本效率模型

本文采用DEA法，运用基于规模报酬不变的CCR模型测算中国除港澳台和西藏外的30个省（自治区、直辖市）农机化技术效率TE。投入导向模式下，CCR模型具体为：
m i n θ i s . t . ∑ j = 1 n λ j x j ≤ θ i x i     ( i = 1 ,   2 ,   ⋯ ,   n ) ∑ j = 1 n λ j y j ≥ y i λ j ≥ 0 ,     j = 1 ,   2 ,   ⋯ ,   n
并且构造Cost-C模型计算出农机化成本效率CE，如下：
m i n ∑ s = 1 m c s x s i s . t . ∑ j = 1 n λ j x j ≤ x i   ( i = 1 ,   2 ,   ⋯ ,   n ) ∑ j = 1 n λ j y j = y i λ j ≥ 0 ,   j = 1 ,   2 ,   ⋯ ,   n δ i = ∑ s = 1 m c s x s i * ∑ s = 1 m c s x s i
式中：每个被评价单元有m种投入和k种产出，每种投入要素价格为cs（元），总计n个被评价单元；x和y分别为被评价单元的投入、产出指标值； x s i为第i个被评价单元的第s种投入要素的量； x s i *为最佳投入量； λ j是各单位组合系数； θ i是第i个被评价单元的技术效率TE； δ i是第i个被评价单元的成本效率。通过CCR模型可以计算出技术效率TE，而通过Cost-C模型可计算出成本效率CE，那么CE/TE就可以得到资源配置效率AE。

2.1.2 农机化成本效率指标选取

考虑到农机作业主要是由机械和农机作业人员组成[28]，故选择农机总动力和乡村农机手数量作为投入指标。此外，2020年中国柴油消费总量约14282.7万t，其中农林牧渔业为1497.15万t（《2021年中国能源统计年鉴》），且农机使用主要为柴油发动机，柴油发动机动力占农机总动力的77.55%（《2020年全国农业机械化统计年报》）。大范围农业机械化会带来高农用柴油投入[35]。柴油可以客观反映农机使用情况[30]，考虑柴油消耗问题对于农机使用寿命和能源资源节约具有重要意义，故将农用柴油使用量这一指标也纳入投入变量。相应地，投入要素价格部分则分别对应3个投入变量的单位成本。考虑所有农业机械作业情况，如农机总动力是全部农业机械动力的额定功率之和，所以本文在产出部分将机耕、机播、机电灌溉、机械植保、机收面积等农机作业总体情况纳入。同时，参考张宗毅等[3]、潘彪等[28]研究，本文测算农机化成本效率时采用3个投入变量、3个投入要素价格和5个产出变量①（①对于投入要素价格指标，均采用消费者价格指数进行消胀处理。）。表2展示了指标说明和数据来源。
表2 农机化成本效率的评价指标体系

Table 2 Indicator system of the cost efficiency of agricultural mechanization

指标类型 指标名称 单位 数据来源
投入变量 农机总动力 万kW 《全国农业机械化统计年报》
农用柴油使用量 t 《中国农村统计年鉴》
乡村农机手 人 《全国农业机械化统计年报》
投入要素价格 农机价格 元/万kW 《中国统计年鉴》、全国农机购置补贴辅助系统②
柴油油价 元/t 国家发展和改革委员会油价通知
机手价格 元/人 《中国统计年鉴》中的农林牧渔业就业人员工资
产出变量 机耕面积 千hm2 《全国农业机械化统计年报》
机播面积 千hm2 《全国农业机械化统计年报》
机电灌溉面积 千hm2 《全国农业机械化统计年报》
机械植保面积 千hm2 《全国农业机械化统计年报》
机收面积 千hm2 《全国农业机械化统计年报》

2.2 基于SDM空间计量的农机化成本效率影响因素实证模型

2.2.1 模型设定

为了避免由于忽略跨区作业问题而产生错误估计关键解释变量对农机化成本效率影响的情况，研究采用空间计量模型对空间溢出效应进行控制。目前，常用的空间计量模型分为空间自相关模型（SAM）、空间误差模型（SEM）以及空间杜宾模型（SDM）三种，其中SAM模型侧重于被解释变量空间相关性的分析，SEM模型侧重于考察不可观测因素或遗漏变量的空间效应，SAM模型和SEM模型是SDM模型的两种特殊形式。之后将根据Wald检验和LR检验结果，选择构建空间杜宾模型（SDM）：
C E i t = α + ρ W i j C E j t + β 1 a r e a i t + β 2 a c c e s s i t + β 3 f l a t i t + β 4 Z i t + θ 1 W i j a r e a j t +                           θ 2 W i j a c c e s s j t + θ 3 W i j f l a t j t + θ 4 W i j Z j t + μ i + γ i + ε i t
式中：i代表省份；t代表年份；CE代表农机化成本效率；area为劳均农田面积（田块面积的替代变量，hm2/人）；access为农田机耕道通达性；flat为农田平整度；随机扰动项εit服从正态分布；Wij为空间权重矩阵；Z表示系列控制变量；µi和γi分别表示空间效应和时间效应；α、ρ、β和θ分别表示常数项、成本效率的空间滞后系数、农田宜机化特征变量和控制变量的回归系数。若β显著为正，则表明省域农田宜机化水平在其他条件相同情况下可以促进其成本效率提升。类似地，构建农机化技术效率（TE）和农机化资源配置效率（AE）的空间杜宾模型，此处不再展示。
本文的被解释变量为农机化成本效率（CE）、农机化技术效率（TE）以及农机化资源配置效率（AE）。由于农田机耕道通达性（access）变量缺乏统计数据，也难以找到合适的替代变量，关键解释变量只选取了劳均农田面积（area）和农田平整度（flat）这两个能表征农田宜机化水平的关键变量。此外，控制变量选择经济因素变量、环境因素变量、政策因素变量和种植结构变量。政策因素用农机购置补贴力度（subsidy）表示，环境因素用公路密度变量（road）、人均水资源量（pwater）、城镇化水平（urban）表示，种植结构用粮食作物播种面积占比（gpop）表示，经济因素用农户人均可支配收入（pincome）表示。值得注意的是，公路密度变量（road）并不适合表征机耕道通达性变量，因为等级公路密度往往与人口密度高度相关，而南方丘陵省份如广东、福建等地人口密度较高但反而是机耕道修建情况并不理想，南方平原省份如江苏等地人口密度高机耕道修建状况良好，北方平原省份机耕道修建状况良好但可能公路密度较低。不过，农机跨区作业主要是通过等级公路进行跨区转移，所以此处仍然保留该变量作为环境控制变量。②（②以2020年为基期，采用2020年各省（自治区、直辖市）一拖60马力拖拉机平均销售价格和各省（自治区、直辖市）机械化农具价格指数计算历年各省农机价格。）

2.2.2 空间权重矩阵的选择

结合所研究的问题，构建省会城市人民政府之间公路交通时间倒数权重矩阵（W交通），基于百度地图（https://map.baidu.com）查询结果，选取交通时间倒数的原因是农机跨区作业主要通过公路交通运输。进一步地，选取反距离权重矩阵（Winv）作为对照。
W i j = 1 d i j ,     i ≠ j 0 ,     i = j
式中： 1 d i j为i省（自治区、直辖市）与j省（自治区、直辖市）之间的交通时间倒数。当交通时间越长，对周边省（自治区、直辖市）的影响就会越弱，即空间效应越弱。

2.2.3 变量描述性统计

研究所用数据来源于《中国统计年鉴》、各省（自治区、直辖市）统计年鉴、历次全国国土调查（分别为1997年、2009年、2020年完成的三次全国国土调查）、农业农村部农业机械化管理司等。由于港澳台地区和西藏地区的数据缺失较多，无法进行评价，最终选定除港澳台地区和西藏自治区外的30个省（自治区、直辖市）的2004—2020年面板数据进行实证分析③（③为消除价格变化影响，对涉及价格的数据进行消胀处理，以2004年为基期，选择消费者价格指数平减，以控制货币变动产生的影响。）。表3报告了各变量的描述性统计。
表3 变量说明与描述性统计

Table 3 Definition and descriptive statistics of variables

变量
类别		 变量名称 单位 数据来源 均值 标准误
被解释
变量		 农机化成本效率（CE） — 通过式（2）和表2计算得到 0.322 0.217
农机化技术效率（TE） — 通过式（1）和表2计算得到 0.574 0.239
农机化资源配置效率（AE） — CE/TE 0.562 0.227
关键解释变量 劳均农田面积（area） hm2/人 《中国统计年鉴》，耕地面积除以第一产业就业人员④（④由于一个省（自治区、直辖市）的田块数量较多且难以度量，使用卫星遥感数量工作量大，若选某个区域的面积会存在高度相关性，因此用劳均耕地面积表示。） 0.601 0.436
农田平整度（flat） 百分点 历次全国国土调查，各省（自治区、直辖市）6°以下耕地面积占各省（自治区、直辖市）总耕地面积比例⑤（⑤为了便于结果解释，将农田平整度扩大100倍，取值范围0~100。） 70.623 27.118
控制
变量		 公路密度（road） km/百km2 各省（自治区、直辖市）统计年鉴，公路里程数除以土地面积 84.026 49.408
农机购置补贴力度（subsidy） 万元 农业农村部农业机械化管理司，折算后累计农机购置补贴金额⑥（⑥由于购买的农机可以使用多年，去年农机购置补贴资助购买的农机今年仍然会发挥作用，而当年农机购置补贴资金是一个流量，难以代表实际在发挥作用的农机购置补贴资金，为此参考陈杨等[36]计算方法将农机购置补贴力度处理成为了存量变量。） 37435 47338.970
人均水资源量（pwater） m3/人 《中国统计年鉴》 2143.079 2546.992
粮食作物播种面积占比（gpop） % 《中国统计年鉴》，粮食作物播种面积占农作物总播种面积比例 0.649 0.134
农户人均可支配收入（pincome） 万元 《中国统计年鉴》 1.080 1.308
城镇化水平（urban） % 《中国统计年鉴》 54.446 14.342

3 结果分析

3.1 中国农机化成本效率、技术效率、资源配置效率特征

采用数据包络法中的Cost-C模型计算2004—2020年30个省（自治区、直辖市）的农机化成本效率。图2展示了2004年、2012年和2020年成本效率的空间变化情况，可以发现多样化特征明显，并且主要呈现4种类型：（1）稳步上升型：河北、山西、吉林、江苏、江西、山东、河南、贵州、宁夏、新疆，农机化成本效率持续上升。（2）波动上升型：北京、天津、内蒙古、辽宁、黑龙江、安徽、湖南、广东、广西、海南、云南、青海，效率值呈现“U”形或倒“U”形趋势，但2020年的效率值高于2004年的效率值。（3）持续下降型：福建、浙江，效率值持续下降到较低水平。（4）波动下降型：上海、湖北、重庆、四川、陕西、甘肃，该类型成本效率存在波动趋势，但最终效率值低于初始效率值。
图2 2004年、2012年、2020年农机化成本效率空间演变特征

注：本图基于自然资源部标准地图服务系统下载的标准地图制作，底图无修改。

Fig. 2 Spatial evolution characteristics of agricultural mechanization cost efficiency in 2004, 2012 and 2020

图3展示2004—2020年7个分区农机化成本效率均值变化情况。总的来说，新疆、东北地区（内蒙古、辽宁、吉林、黑龙江）和长江下游平原（上海、江苏、安徽）的农机化成本效率明显高于其他4个地区。从2008年开始，华北平原（北京、天津、河北、山东、河南）和西北地区（山西、陕西、甘肃、青海、宁夏）的农机化成本效率超过了南方低缓丘陵山区（湖北、浙江、福建、江西、湖南、广东、广西、海南），并呈现上升趋势。南方低缓丘陵山区和西南丘陵山区（重庆、四川、贵州、云南）的效率值整体则处于较低水平，并且南方低缓丘陵山区效率值呈现波动下降趋势。
图3 2004—2020年区域农机化成本效率演变特征

Fig. 3 Evolution characteristics of regional agricultural mechanization cost efficiency from 2004 to 2020

进一步地，将农机化成本效率分解为技术效率和资源配置效率。表4展示了各省（自治区、直辖市）的农机化成本效率、技术效率、资源配置效率平均值。可以发现：（1）中国大多数省（自治区、直辖市）农机化成本效率较低。这与张宗毅等[3]研究结论一致。成本效率超过0.9的地区只有黑龙江和上海，处于0.5~0.9之间的只有新疆、江苏、天津3个省（自治区、直辖市），而全国成本效率的平均值只有0.322。（2）整体来看农机化技术效率平均值（0.574）略高于资源配置效率平均值（0.562），但一些省份技术效率与资源配置效率存在较大差异，差值超过0.4。如安徽、江西、湖南、重庆、四川、贵州的农机化技术效率高而成本效率和资源配置效率较低，这可能是受地形条件影响，土地细碎化、缺乏机耕道、田块不平整等农田不宜机的资源禀赋使得这些地区技术选择受限进而资源配置效率难以最大化。
表4 2004—2020年各省（自治区、直辖市）农机化成本效率及其分解均值

Table 4 Mean values of the cost efficiency of agricultural mechanization and its decomposition in China's 30 provinces (autonomous regions and municipalities) from 2004 to 2020

区域 省（自治区、直辖市） TE AE CE 区域 省（自治区、直辖市） TE AE CE
华北平原 北京 0.439 0.840 0.370 长江下游平原 上海 0.981 0.943 0.926
天津 0.575 0.964 0.543 江苏 0.722 0.738 0.528
河北 0.346 0.623 0.215 安徽 0.754 0.337 0.255
山东 0.479 0.413 0.198 均值 0.819 0.673 0.570
河南 0.669 0.361 0.241 南方低缓丘陵区 湖北 0.401 0.677 0.264
均值 0.504 0.640 0.313 浙江 0.184 0.611 0.112
西北地区 山西 0.646 0.552 0.363 福建 0.813 0.510 0.399
陕西 0.374 0.664 0.248 江西 0.864 0.382 0.331
甘肃 0.549 0.378 0.205 湖南 0.731 0.346 0.253
青海 0.415 0.279 0.117 广东 0.391 0.661 0.256
宁夏 0.366 0.567 0.208 广西 0.429 0.336 0.132
均值 0.470 0.488 0.228 海南 0.256 0.663 0.170
新疆地区 — 0.671 0.848 0.568 均值 0.509 0.523 0.240
东北地区 内蒙古 0.865 0.504 0.438 西南丘陵山区 重庆 0.598 0.276 0.160
辽宁 0.478 0.850 0.404 四川 0.682 0.275 0.184
吉林 0.641 0.619 0.397 贵州 0.613 0.219 0.140
黑龙江 1.000 0.934 0.934 云南 0.300 0.493 0.115
均值 0.746 0.726 0.543 均值 0.548 0.316 0.150

3.2 空间相关性分析与模型选择

3.2.1 全局莫兰指数分析

进行Moran's I指数检验，以确定目标变量是否存在空间相关性。若目标变量存在空间相关性，那么就选择空间面板数据计量经济模型进行实证分析。研究基于交通时间倒数和地理距离倒数为空间权重计算农机化成本效率全局Moran's I，如表5所示。可以发现，2004—2020年农机化成本效率全局Moran's I基本都通过了显著性检验，这说明地区之间农机化成本效率存在空间相关性。此外，全局Moran's I都大于0，表示省域间农机化成本效率分布表现为正向聚集效应，即农机化成本效率较高的省域之间互相聚集，而农机化成本效率较低的省域之间互相聚集。
表5 2004—2020年中国省级农机化成本效率的Moran's I

Table 5 Moran's I of the cost efficiency of agricultural mechanization at the provincial level in China from 2004 to 2020

年份 Moran's I
（W交通）		 Moran's I
（Winv）
2004 0.043** 0.046***
2005 0.057*** 0.057***
2006 0.059*** 0.063***
2007 0.068*** 0.073***
2008 0.028** 0.027**
2009 0.013* 0.012
2010 0.024* 0.024**
2011 0.025** 0.024**
2012 0.026** 0.027**
2013 0.022* 0.023**
2014 0.014 0.010
2015 0.022* 0.018*
2016 0.036** 0.033**
2017 0.037** 0.044**
2018 0.031** 0.035**
2019 0.033** 0.036**
2020 0.052*** 0.057***

注：***、**、*分别表示在1%、5%、10%的显著性水平上显著，下同。

3.2.2 莫兰散点图

为了更加直观地展现省域之间农机化成本效率的空间关联特征，本文绘制了2004年、2012年和2020年农机化成本效率的莫兰散点图（图4），分为四种：第一象限为该地区自身农机化成本效率较高，并且周边地区农机化成本效率较高（高高）；第二象限为该地区农机化成本效率较低，但周边地区农机化成本效率较高（低高）；第三象限为该地区农机化成本效率较低，且周边地区农机化成本效率较低（低低）；第四象限为该地区农机化成本效率较高，但周边地区农机化成本效率较低（高低）。图4发现，超半数地区位于第一、三象限，且高高聚集的地区主要集中在东北平原地区，而低低聚集的地区主要是丘陵地区和西北地区。由此可见，农机化成本效率存在一定的空间聚集性，并且有同质性溢出。
图4 2004年、2012年、2020年农机化成本效率的Moran's I指数散点图

Fig. 4 Moran's I scatter chart of agricultural mechanization cost efficiency in 2004, 2012 and 2020

3.2.3 空间计量模型选择

依次进行LM检验、Wald检验、LR检验和Hausman检验，以明确空间计量模型的具体估计形式，检验结果如表6所示。首先进行LM和Robust LM检验，结果基本都在1%水平下显著，说明可以使用空间面板计量模型。Wald和LR检验结果均在1%水平下显著，意味着空间杜宾模型（SDM）不能退化为空间自回归模型（SAR）和空间误差模型（SEM）。最后依据Hausman检验结果，说明应该选择固定效应下的空间杜宾模型来分析农田宜机化水平对农机化成本效率的影响。下面仅展示农机化成本效率的检验结果⑦（⑦ 篇幅所限，未报告技术效率和资源配置效率的具体检验结果，感兴趣的读者可联系作者。）。
表6 空间计量模型选择检验结果

Table 6 Test results of spatial econometric model

检验方法 统计值
LM Lag 21.210***
LM Error 1.751
Robust LM Lag 52.998***
Robust LM Error 33.539***
Wald test（SAR） 37.090***
LR test（SAR） 37.620***
Wald test（SEM） 38.810***
LR test（SEM） 37.880***
Hausman test 31.720**

3.3 空间计量回归分析结果

表7展示了空间杜宾模型回归结果，由模型 (1)~模型 (3) 可知，农田宜机化水平对农机化成本效率、技术效率、资源配置效率均产生显著的正向影响。这与潘彪等[28]的研究结论相近，其在对各地区农业机械使用效率测算和影响因素研究中发现，劳均农田面积扩大有利于大中型农机规模化作业，从而提高农机使用效率和减少农机作业成本。而关于农田平整度的影响，尽管在他们的实证结果里坡度对农机使用没有影响，但也强调不能否定农田平整度的重要性。本文的研究结果使这一观点得到证明，说明农田平整度提高会降低农机作业难度和投入成本，促进农机化成本效率改善。因此，H1、H1a、H1b基本得到验证。
表7 农田宜机化水平对农机化成本效率及其分解的空间杜宾模型回归结果

Table 7 The spatial Durbin model regression results of the impact of the level of farmland suitability for agricultural machinery operations on the cost efficiency of agricultural mechanization and its decomposition

变量 TE (1) AE (2) CE (3)
area 0.303***(0.030) 0.046**(0.020) 0.261***(0.021)
flat 0.002***(0.0005) 0.002***(0.0003) 0.003***(0.0003)
subsidy 1.55e-06***(2.72e-07) -2.68e-07(1.79e-07) 8.61e-07***(1.90e-07)
road 0.001***(0.0002) -0.001***(0.0001) 0.0003(0.0002)
pwater 0.00001**(5.00e-06) -8.98e-06***(3.33e-06) 1.76e-06(3.51e-06)
gpop 0.399***(0.101) -0.178***(0.066) 0.093(0.071)
pincome -0.0009(0.008) 0.009*(0.005) 0.011*(0.005)
urban 0.002**(0.001) 0.009***(0.0006) 0.007***(0.0007)
w×area 0.542**(0.227) 0.574***(0.148) 0.866***(0.158)
w×flat -0.001(0.004) 0.018***(0.003) 0.012***(0.003)
w×控制变量 引入 引入 引入
rho -0.403**(0.195) -1.364***(0.240) -0.666***(0.189)
sigma2_e 0.031***(0.002) 0.013***(0.0009) 0.015***(0.0009)
Observations/个 510 510 510
R2 0.097 0.592 0.406
此外农田宜机化水平对农机化成本效率及其分解基本产生显著的正向空间溢出效应，接下来将对空间溢出效应分解进行分析。

3.4 空间溢出效应分解

为了更加直观地表明农田宜机化水平对农机化成本效率的影响，将空间溢出效应分解为直接效应和间接效应，结果如表8所示。由技术效率模型 (1) 可知，劳均农田面积对农机化技术效率的直接效应、间接效应存在显著的正向影响，分别为0.298、0.335，说明本地区劳均农田面积每增加1 hm2，其农机化技术效率比原先提升0.298，而邻近地区的劳均农田面积每增加1 hm2，本地区的农机化技术效率比原先提升0.335。原因可能是，随着本地区劳均农田面积增加，本地农机有效作业时间就会提升，从而提高技术效率；而邻近地区劳均农田面积增加则可能会促使邻省购买大型农机，这些并不属于本地区投入的大型农机通过跨区作业提升了本地区的农机化技术效率。农田平整度对农机化技术效率的直接效应存在显著的正向影响，为0.002，意味着本地区的农田平整度每增加1个百分点，其农机化技术效率比原先提升0.002。这说明农田平整度较高的地区，农机作业难度低，有利于增加农机有效作业时间，提升农业耕作的生产效率。
表8 模型直接效应和间接效应检验结果（W交通）

Table 8 Test results of direct and indirect effects (WTransport)

变量 TE (1) AE (2) CE (3)
直接效应 间接效应 总效应 直接效应 间接效应 总效应 直接效应 间接效应 总效应
area 0.298***(0.031) 0.335*
(0.184)		 0.634***
(0.190)		 0.025
(0.021)		 0.246***(0.072) 0.271***
(0.071)		 0.245***
(0.021)		 0.450***
(0.122)		 0.695***
(0.124)
flat 0.002***(0.0005) -0.001
(0.003)		 0.001
(0.003)		 0.001***
(0.0004)		 0.007***
(0.001)		 0.008***
(0.001)		 0.002***
(0.0004)		 0.006***
(0.001)		 0.009***
(0.001)
控制变量 引入 引入 引入 引入 引入 引入 引入 引入 引入
由资源配置效率模型 (2) 可知，劳均农田面积对农机化资源配置效率的间接效应具有显著的正向影响，说明邻近地区的劳均农田面积每增加1 hm2，本地区农机化资源配置效率比原先提升0.246。可能的原因是，邻近地区劳均农田面积越大，越有利于跨区作业的优质农机和农机手引入，对本地区的农机装备、机手等资源配置优化形成正向溢出效应。农田平整度对农机化资源配置效率的直接效应、间接效应均具有显著的正向影响，表明不仅本地区的农田平整度会对其农机化资源配置效率产生直接正向影响，邻近地区的农田平整度也会促进本地区的资源配置效率提高。
由成本效率模型 (3) 可知，本地区劳均农田面积每增加1 hm2，农机化成本效率在原有基础上提高0.695；农田平整度每增加1个百分点，农机化成本效率在原有基础上提高0.009。因此，农田宜机化水平越高的地区，其在单位面积耕地上为实现农业机械化就可以投入价值越少的资源。劳均农田面积对农机化成本效率的直接效应、间接效应存在显著的正向影响，分别为0.245、0.450，说明不仅本地区的劳均农田面积每增加1 hm2，其农机化成本效率在原有基础上提升0.245，而且邻近地区的劳均农田面积每增加1 hm2，本地区的农机化成本效率也会提升0.450。农田平整度的直接效应、间接效应都显著为正，分别为0.002、0.006，这说明不仅本地区的农田平整度会对其农机化成本效率产生直接正向影响，邻近地区的农田平整度也会促进本地区的农机化成本效率提高。换言之，由于农机跨区作业，邻近地区的农田宜机化水平越高，本地区农机化成本效率越高，形成显著的正向空间溢出效应。综上，H2得证。

3.5 稳健性检验

为了保证研究结论的准确性，替换空间权重矩阵，将交通时间倒数权重矩阵替换为反距离权重矩阵。如表9所示，结果与前文回归结果基本一致，从而证明了文中实证结果的稳健性。
表9 模型直接效应和间接效应检验结果（Winv）

Table 9 Test results of direct and indirect effects (Winv)

变量 TE (1) AE (2) CE (3)
直接效应 间接效应 总效应 直接效应 间接效应 总效应 直接效应 间接效应 总效应
area 0.295***
(0.033)		 0.665***
(0.194)		 0.960***
(0.196)		 0.008
(0.020)		 0.125*
(0.069)		 0.134**
(0.060)		 0.220***
(0.024)		 0.488***
(0.127)		 0.709***
(0.127)
flat 0.001***
(0.0004)		 0.0007
(0.002)		 0.002
(0.002)		 0.002***
(0.0003)		 0.002*
(0.001)		 0.004***
(0.001)		 0.002***
(0.0003)		 0.003*
(0.001)		 0.005***
(0.001)
控制变量 引入 引入 引入 引入 引入 引入 引入 引入 引入

4 结论与启示

本文利用2004—2020年省级面板数据，基于数据包络分析法中的Cost-C模型、CCR模型和空间杜宾模型，实证研究了农田宜机化水平对农机化成本效率的影响。研究结果表明：
（1）中国大多数地区农机化成本效率不高，特别是南方低缓丘陵区和西南丘陵地区的农机化成本效率较低，只有黑龙江和上海成本效率相对较高。不同省域之间的农机化成本效率有一定空间聚集性，并存在同质性溢出。
（2）农田宜机化水平对农机化成本效率、技术效率、资源配置效率均存在显著的正向影响。本地区劳均农田面积每增加1 hm2，其农机化技术效率增加0.634、资源配置效率增加0.271、农机化成本效率在原有基础上会提升0.695；6度以下耕地面积占比每增加1个百分点，其农机化资源配置效率增加0.008、农机化成本效率比原先增加0.009。相对农田宜机化水平较低的地区，农田宜机化水平高的地区单位面积耕地上实现农业机械化所需要的按价值计算的机手、农业机械、燃油等投入更少。如平原地区黑龙江的农机化成本效率为0.934，是西南丘陵山区云、贵、川、渝平均值的6.23倍。
（3）农田宜机化水平具有显著的正向空间溢出效应，即邻近地区农田宜机化水平改善也可以提升本地区农机化技术效率、资源配置效率和成本效率。邻近地区的农田宜机化水平提升会促进邻近地区购买使用大中型农业机械，同时通过跨区作业提升本地区的农机化技术效率、资源配置效率和成本效率，实现了正向空间溢出。
本文的启示在于：第一，积极推进农田宜机化改造工作，通过农田宜机化为农机化成本效率提升创造条件。通过小田并大田、坡地改平地和机耕道修建等措施，合理扩大田块面积、降低农田坡度、增加农机田间转移效率，进而扩大大中型农机的应用空间，提升农机作业有效时间，促进农机化技术效率、资源配置效率和成本效率提升，为降低农业生产成本提供有效物质支撑。第二，农业机械化发展不是为了农业机械化而农业机械化，农业机械化是实现农业现代化、农业强国的工具和手段，必须要关注农机作业中的成本效率问题，而不能仅关注基于普及率的农业机械化水平高低。各地区需要结合实际情况从技术角度和要素资源配置角度出发，对农机装备结构进行优化，用较低的人力物力成本总投入完成既定农机作业量，鼓励耕、播、施肥一体，插秧施肥同步等复式作业，重视农业机械化的农机、机手和燃油等要素投入，提高农机化成本效率。第三，继续鼓励跨区作业发展，发挥空间溢出效应。针对当前《收费公路管理条例》中缺乏“拖拉机、秸秆打捆机等机具”的情况[37]，及时进行修订。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
FARRELL M. The measurement of productive efficiency. Journal of the Royal Statistical Society: Series A (General), 1957, 120(3): 253-281.

[2]
刘彤心, 吴敏莲, 王伟, 等. 需求不确定下防汛物资储备成本效率优化. 系统工程理论与实践, 2022, 42(7): 1952-1963.

DOI

[LIU T X, WU M L, WANG W, et al. Cost-effectiveness optimization of flood prevention material reserve under demand uncertainty. Systems Engineering-Theory & Practice, 2022, 42(7): 1952-1963.]

[3]
张宗毅, 曹光乔. 基于DEA成本效率模型的我国耕种农机装备结构优化研究. 农业技术经济, 2012, (2): 74-82.

[ZHANG Z Y, CAO G Q. Research on optimization of agricultural machinery equipment structure in China based on DEA cost efficiency model. Journal of Agrotechnical Economics, 2012, (2): 74-82.]

[4]
SOUZA G D E, GOMES E G. Improving agricultural economic efficiency in Brazil. International Transactions in Operational Research, 2015, 22(2): 329-337.

[5]
LINH L T, LEE P P, PENG K C, et al. Technical and cost efficiency estimates of rice production in Vietnam: A two-stage data envelopment analysis. Journal of Animal and Plant Science, 2019, 29(1): 299-305.

[6]
OUMER A M, BURTON M, HAILU A, et al. Sustainable agricultural intensification practices and cost efficiency in smallholder maize farms: Evidence from Ethiopia. Agricultural Economics, 2020, 51(6): 841-856.

[7]
虞松波, 刘婷, 曹宝明. 农业机械化服务对粮食生产成本效率的影响: 来自中国小麦主产区的经验证据. 华中农业大学学报: 社会科学版, 2019, (4): 81-89, 173.

[YU S B, LIU T, CAO B M. Effects of agricultural mechanization service on the cost efficiency of grain production: Evidence from wheat-producing areas in China. Journal of Huazhong Agricultural University: Social Sciences Edition, 2019, (4): 81-89, 173.]

[8]
刘成, 杨雪, 周晓时, 等. 中国化肥投入对油菜成本效率的影响. 资源科学, 2018, 40(12): 2487-2495.

DOI

[LIU C, YANG X, ZHOU X S, et al. Impact of fertilizer input on cost efficiency of rapeseed in China. Resources Science, 2018, 40(12): 2487-2495.]

DOI

[9]
王晓飞, 谭淑豪. 基于非同质DEA的稻虾共作土地经营模式成本效率分析. 中国土地科学, 2020, 34(2): 56-63.

[WANG X F, TAN S H. Cost-efficiency analysis of rice-crayfish integrated land operation mode based on non-homogeneous DEA. China Land Science, 2020, 34(2): 56-63.]

[10]
杨浩然, 刘悦. 中国小麦和苹果生产的成本效率分析. 农业经济问题, 2016, 37(1): 16-25, 110.

[YANG H R, LIU Y. Cost efficiency analysis of wheat and apple production in China. Issues in Agricultural Economy, 2016, 37(1): 16-25, 110.]

[11]
张复宏, 宋晓丽, 霍明. 苹果种植户采纳测土配方施肥技术的经济效果评价: 基于PSM及成本效率模型的实证分析. 农业技术经济, 2021, (4): 59-72.

[ZHANG F H, SONG X L, HUO M. Economic effect evaluation of apple growers adopting soil texting and formula fertilization technology: An empirical analysis based on PSM and cost efficiency model. Journal of Agrotechnical Economics, 2021, (4): 59-72.]

[12]
谢花林, 黄萤乾. 非农就业与土地流转对农户耕地撂荒行为的影响: 以闽赣湘山区为例. 自然资源学报, 2022, 37(2): 408-423.

DOI

[XIE H L, HUANG Y Q. Impact of non-agricultural employment and land transfer on farmland abandonment behaviors of farmer: A case study in Fujian-Jiangxi-Hunan Mountainous Areas. Journal of Natural Resources, 2022, 37(2): 408-423.]

[13]
韩博, 金晓斌, 孙瑞, 等. 土地整治项目区耕地资源优化配置研究. 自然资源学报, 2019, 34(4): 718-731.

DOI

[HAN B, JIN X B, SUN R, et al. Optimized allocation of farmland consolidation project area based on multi-objective linear programming. Journal of Natural Resources, 2019, 34(4): 718-731.]

DOI

[14]
吴诗嫚, 卢新海, 祝浩. 土地整治权属调整能否提高农业生产效率? 基于整治模式和地貌类型的异质性分析. 农村经济, 2023, (3): 20-30.

[WU S M, LU X H, ZHU H. Can the adjustment of land consolidation ownership improve agricultural production efficiency: Heterogeneity analysis based on remediation models and geomorphic types. Rural Economy, 2023, (3): 20-30.]

[15]
罗必良, 万燕兰, 洪炜杰, 等. 土地细碎化、服务外包与农地撂荒: 基于9省区2704份农户问卷的实证分析. 经济纵横, 2019, (7): 63-73.

[LUO B L, WAN Y L. HONG W J, et al. Fragmentation, service outsourcing and farmland abandonment: An empirical analysis based on questionnaires from 2704 households in 9 provinces. Economic Review Journal, 2019, (7): 63-73.]

[16]
张宗毅. “十四五”期间丘陵山区农田宜机化改造若干重大问题与举措. 中国农村经济, 2020, (11): 13-28.

[ZHANG Z Y. Some important problems and measures of farmland construction suitable for mechanization in hilly and mountainous areas during the 14th Five-year Plan Period. Chinese Rural Economy, 2020, (11): 13-28.]

[17]
王亚辉, 李秀彬, 辛良杰. 耕地地块细碎程度及其对山区农业生产成本的影响. 自然资源学报, 2019, 34(12): 2658-2672.

DOI

[WANG Y H, LI X B, XIN L J. Characteristics of cropland fragmentation and its impact on agricultural production costs in mountainous areas. Journal of Natural Resources, 2019, 34(12): 2658-2672.]

[18]
牛文浩, 申淑虹, 罗岚, 等. 地形差异视角下耕地流转对农户收入差距的影响及其分解: 以黄河流域中上游1879份农户数据为例. 自然资源学报, 2023, 38(5): 1262-1282.

DOI

[NIU W H, SHEN S H, LUO L, et al. The impacts and its decomposition of cultivated land transfer on rural households' income gap from the perspective of terrain difference: A case study of 1879 survey data of rural households in the middle and upper reaches of the Yellow River Basin. Journal of Natural Resources, 2023, 38(5): 1262-1282.]

[19]
王鹏, 赵微. 土地整治对农户耕地流转的影响研究: 基于断点回归的实证分析. 长江流域资源与环境, 2021, 30(12): 2992-3003.

[WANG P, ZHAO W. Influence of land consolidation on farmers' farmland transfer: An empirical analysis based on regression discontinuity. Resources and Environment in the Yangtze Basin, 2021, 30(12): 2992-3003.]

[20]
谭少军, 邵景安, 张琳, 等. 西南丘陵区高标准基本农田建设适宜性评价与选址: 以重庆市垫江县为例. 资源科学, 2018, 40(2): 310-325.

[TAN S J, SHAO J A, ZHANG L, et al. Suitability assessment and sites of high standard basic farmland in the southwest hilly area of China. Resources Science, 2018, 40(2): 310-325.]

DOI

[21]
刘光盛, 赵乐松, 程迎轩, 等. 基于限制因子的粤北丘陵山区耕地宜机化整治分区. 农业工程学报, 2021, 37(12): 262-270.

[LIU G S, ZHAO L S, CHENG Y X, et al. Land consolidation zoning of Northern Guangdong for suitable mechanization transformation in hilly and mountainous areas based on limiting factors. Transactions of the CSAE, 2021, 37(12): 262-270.]

[22]
CHEN H, TAN Y, XIAO W, et al. Urbanization in China drives farmland uphill under the constraint of the requisition-compensation balance. Science of the Total Environment, 2022, 831: 154895, Doi:10.1016/j.scitotenv.2022.154895.

[23]
QI F, ZHANG R, LIU X, et al. Soil particle size distribution characteristics of different land-use types in the Funiu mountainous region. Soil & Tillage Research, 2018, 184: 45-51.

[24]
刘进, 贾杰斐, 许庆. 农机购置补贴如何影响小农户农机社会化服务获得: 基于全国农村固定观察点数据的分析. 中国农村经济, 2023, (2): 85-108.

[LIU J, JIA J F, XU Q. How does agricultural machinery purchase subsidies affect the acquisition of mechanization services for smallholders: An analysis based on the data of the national fixed observation points of the Ministry of Agriculture and Rural Affairs in China. Chinese Rural Economy, 2023, (2): 85-108.]

[25]
ZHANG B B, NIU W H, MA L Y, et al. A company-dominated pattern of land consolidation to solve land fragmentation problem and its effectiveness evaluation: A case study in a hilly region of Guangxi Autonomous Region, Southwest China. Land Use Policy, 2019, 88: 104115, Doi:10.1016/j.landusepol.2019.104115.

[26]
杨宇, 李容, 吴明凤. 土地细碎化对农户购买农机作业服务的约束路径分析. 农业技术经济, 2018, (10): 17-25.

[YANG Y, LI R, WU M F. The constraints of land fragmentation on farmers' agricultural machinery services purchase. Journal of Agrotechnical Economics, 2018, (10): 17-25.]

[27]
QIAN Y, WANG L, CHENG Z, et al. Research on optimal oil filling control strategy of wet clutch in agricultural machinery. Actuators, 2022, 11(11): 315-336.

[28]
潘彪, 田志宏. 购机补贴政策对中国农业机械使用效率的影响分析. 中国农村经济, 2018, (6): 21-37.

[PAN B, TIAN Z H. The Impacts of agricultural machinery purchase subsidy policies on the utilization efficiency of agricultural machinery in China. Chinese Rural Economy, 2018, (6): 21-37.]

[29]
郑旭媛, 徐志刚. 资源禀赋约束、要素替代与诱致性技术变迁: 以中国粮食生产的机械化为例. 经济学(季刊), 2017, 16(1): 45-66.

[ZHENG X Y, XU Z G. Endowment restriction, factor substitution and induced technological innovation: A case research on the grain production mechanization in China. China Economic Quarterly, 2017, 16(1): 45-66.]

[30]
付华, 李萍. 农业机械化发展对粮食生产的影响: 基于机械异质性和区域异质性的分析. 财经科学, 2020, (12): 40-55.

[FU H, LI P. Influence of agricultural mechanization development on grain production since the new century: An analysis based on regional heterogeneity. Finance & Economics, 2020, (12): 40-55.]

[31]
王倩, 余劲. 农地流转背景下地块规模对农户种粮投入影响分析. 中国人口·资源与环境, 2017, 27(5): 129-137.

[WANG Q, YU J. Impact of plot size on farmers' grain investments under the background of farmland transfer. China Population, Resources and Environment, 2017, 27(5): 129-137.]

[32]
刘卫柏, 李双双, 李中, 等. 水稻种植机械与农村劳动力的替代弹性及其对粮食产出的影响. 经济地理, 2022, 42(12): 172-178.

DOI

[LIU W B, LI S S, LI Z, et al. Substitution elasticity of rice planting machinery and rural labor and its impact on grain output. Economic Geography, 2022, 42(12): 172-178.]

DOI

[33]
李卫, 薛彩霞, 朱瑞祥, 等. 中国农机装备水平区域不平衡的测度与分析. 经济地理, 2014, 34(7): 116-122.

[LI W, XUE C X, ZHU R X, et al. An imbalance analysis of China's agricultural machinery distribution. Economic Geography, 2014, 34(7): 116-122.]

[34]
罗斯炫, 何可, 张俊飚. 修路能否促进农业增长? 基于农机跨区作业视角的分析. 中国农村经济, 2018, (6): 67-83.

[LUO S X, HE K, ZHANG J B. Can road construction promote agricultural growth? An analysis based on the perspective of cross-regional operation of agricultural. Chinese Rural Economy, 2018, (6): 67-83.]

[35]
姚冠荣, 刘桂英, 谢花林. 中国耕地利用投入要素集约度的时空差异及其影响因素分析. 自然资源学报, 2014, 29(11): 1836-1848.

DOI

[YAO G R, LIU G Y, XIE H L. Spatiotemporal difference and driving forces of input factors intensity for arable land-use in China. Journal of Natural Resources, 2014, 29(11): 1836-1848.]

[36]
陈杨, 张宗毅. 农机购置补贴的空间溢出效应研究. 农业现代化研究, 2019, 40(6): 1029-1037.

[CHEN Y, ZHANG Z Y. Study on the spatial spillover effect of agricultural machinery purchase subsidy. Research of Agricultural Modernization, 2019, 40(6): 1029-1037.]

[37]
张宗毅. 如何发挥好农业装备在农业强国中的支撑作用. 澎湃新闻, 2023-03-08, https://m.thepaper.cn/baijiahao_22160273

[ZHANG Z Y. How to give full play to the supporting role of agricultural equipment in building a strong agricultural country. The Paper, 2023-03-08, https://m.thepaper.cn/baijiahao_22160273

Options
文章导航

/

〈 〉